В данном проекте рассматривается датасет Weight–Height, содержащий данные о росте, весе и поле людей. Цель анализа — изучить взаимосвязь между ростом и весом, а также выявить различия в распределениях этих показателей у мужчин и женщин. Для исследования были использованы методы описательной статистики и визуализации данных, позволяющие наглядно представить структуру распределений и характер зависимости между переменными. В работе использован датасет Weight–Height — набор данных, содержащий информацию о поле, росте и весе людей. Датасет был найден на платформе Kaggle и представляет собой чистую таблицу с количественными переменными, удобную для анализа и визуализации. Переменные датасета:

• Gender — пол (мужчины / женщины),
• Height — рост,
• Weight — вес.

Этот датасет показался мне интересным по нескольким причинам:

1. Он интуитивно понятен и связан с реальными физическими характеристиками человека.
2. В нём есть как непрерывные количественные переменные, так и категориальная переменная (пол), что позволяет сравнивать группы.
3. Данные хорошо подходят для демонстрации базовых приёмов анализа данных: распределений, зависимостей, групповых сравнений и проверки статистических гипотез.
4. Несмотря на простоту, датасет позволяет показать разницу между визуальным и статистическим анализом. Для анализа были выбраны разные типы визуализаций, каждая из которых решает свою задачу:

• Scatter plot (точечные диаграммы) Используются для анализа зависимости веса от роста и выявления общей тенденции.
• Линейные тренды (линии регрессии) Добавлены для наглядного отображения направления и силы связи между ростом и весом.
• Гистограммы распределений Позволяют сравнить форму распределения роста и веса у мужчин и женщин.
• Гистограммы с наложением (мужчины и женщины на одном графике) Используются для прямого визуального сравнения групп.
• Агрегированный график по интервалам роста Показывает, как меняется средний вес при фиксированном росте, что делает сравнение более корректным.

Этап 1. Загрузка и первичный просмотр данных

import pandas as pd

df = pd.read_csv("weight-height.csv") df.head() df.info()

На этом этапе я изучила структуру таблицы, типы переменных и убедилась, что данные подходят для анализа.

Этап 2. Очистка и подготовка данных

Основные шаги обработки:

• удаление пропусков,
• приведение роста и веса к числовому типу,
• стандартизация значений пола.

df.columns = df.columns.str.strip() df["Height"] = pd.to_numeric(df["Height"], errors="coerce") df["Weight"] = pd.to_numeric(df["Weight"], errors="coerce") df = df.dropna(subset=["Gender", "Height", "Weight"])

df["gender_norm"] = df["Gender"].str.lower().apply( lambda x: "Male" if x.startswith("m") else "Female" )

В данном проекте нейросети не использовались. Все этапы анализа и визуализации были выполнены с помощью стандартных библиотек Python: pandas, numpy, matplotlib.

Для всех визуализаций была использована единая цветовая система, чтобы графики выглядели как часть одного проекта:

• бордовый — мужчины,
• золотой — женщины,
• тёплый светлый фон,
• единые сетка, шрифты и подписи.

Это позволило создать визуально цельную инфографику и повысить читаемость графиков.

Графики были построены так, чтобы не просто показывать данные, но и объяснять их:

• добавлены линии среднего значения и стандартного отклонения;
• использованы подписи и легенды;
• показаны тренды и агрегированные значения;
• визуализации выстроены от общего обзора к более детальному сравнению групп.

В работе применялись следующие методы:

1. Описательная статистика Среднее значение, стандартное отклонение, форма распределения.

2. Корреляционный анализ Оценка связи между ростом и весом.

3. Линейная регрессия (polyfit) Для построения трендов зависимости веса от роста.

4. Групповая агрегация данных Средние и стандартные отклонения по полу и по интервалам роста.

График 1. Зависимость веса от роста

Показывает общую связь между ростом и весом и наличие линейного тренда.

--- scatter: вес от роста по полу + тренды ---

fig, ax = plt.subplots(figsize=(10, 6)) ax.scatter(m[h], m[w], s=14, alpha=0.35, color=C_M, label="Мужчины") ax.scatter(f[h], f[w], s=14, alpha=0.35, color=C_G, label="Женщины")

for data, col in [(m, C_M), (f, C_F)]: k, b = np.polyfit(data[h], data[w], 1) xx = np.linspace(df[h].min(), df[h].max(), 200) ax.plot(xx, k*xx + b, color=col, linewidth=2.5)

ax.set_title("Зависимость веса от роста по полу") ax.set_xlabel("Рост"); ax.set_ylabel("Вес") ax.legend(frameon=True, facecolor="#FFFDF8", edgecolor=GRID) plt.tight_layout(); plt.show()

График 2. Зависимость веса от роста по полу

Позволяет сравнить мужчин и женщин и увидеть различия в средних значениях при одинаковом росте.

fig, ax = plt.subplots(figsize=(10, 6))

данные

data_m = m[h] data_f = f[h] COL_EDGE = "

1E434C"

гистограммы (нормированные, чтобы корректно сравнивать)

ax.hist( data_m, bins=30, density=True, color=C_M, alpha=0.6, label="Мужчины" )

ax.hist( data_f, bins=30, density=True, color=C_G, alpha=0.6, label="Женщины" )

статистика

mean_m, std_m = data_m.mean(), data_m.std() mean_f, std_f = data_f.mean(), data_f.std()

линии среднего и std

ax.axvline(mean_m, color=C_M, linewidth=2) ax.axvline(mean_m - std_m, color=C_M, linestyle="--", linewidth=1) ax.axvline(mean_m + std_m, color=C_M, linestyle="--", linewidth=1)

ax.axvline(mean_f, color=C_G, linewidth=2) ax.axvline(mean_f - std_f, color=C_G, linestyle="--", linewidth=1) ax.axvline(mean_f + std_f, color=C_G, linestyle="--", linewidth=1)

подписи

ax.set_title("Распределение роста по полу") ax.set_xlabel("Рост") ax.set_ylabel("Плотность")

ax.legend( frameon=True, facecolor="#FFFDF8", edgecolor="#DDD3C7" )

текстовый блок со статистикой

ax.text( 0.02, 0.95, f"Мужчины: μ = {mean_m:.2f}, σ = {std_m:.2f}\n" f"Женщины: μ = {mean_f:.2f}, σ = {std_f:.2f}", transform=ax.transAxes, ha="left", va="top", fontsize=10, bbox=dict( boxstyle="round,pad=0.35", facecolor="#FFFDF8", edgecolor="#DDD3C7" ) )

plt.tight_layout() plt.show()

График 3. Распределения роста и веса по полу

Гистограммы демонстрируют форму распределений, а также различия в разбросе значений.

fig, ax = plt.subplots(figsize=(10, 6))

данные

data_m = m[w] data_f = f[w] COL_EDGE = "

1E434C"

гистограммы (нормированные)

ax.hist( data_m, bins=30, density=True, color=C_M, alpha=0.6, label="Мужчины" )

ax.hist( data_f, bins=30, density=True, color=C_G, alpha=0.6, label="Женщины" )

статистика

mean_m, std_m = data_m.mean(), data_m.std() mean_f, std_f = data_f.mean(), data_f.std()

линии среднего и стандартного отклонения

ax.axvline(mean_m, color=C_M, linewidth=2) ax.axvline(mean_m - std_m, color=C_M, linestyle="--", linewidth=1) ax.axvline(mean_m + std_m, color=C_M, linestyle="--", linewidth=1)

ax.axvline(mean_f, color=C_G, linewidth=2) ax.axvline(mean_f - std_f, color=C_G, linestyle="--", linewidth=1) ax.axvline(mean_f + std_f, color=C_G, linestyle="--", linewidth=1)

подписи

ax.set_title("Распределение веса по полу") ax.set_xlabel("Вес") ax.set_ylabel("Плотность")

ax.legend( frameon=True, facecolor="#FFFDF8", edgecolor="#DDD3C7" )

текст со статистикой

ax.text( 0.02, 0.95, f"Мужчины: μ = {mean_m:.2f}, σ = {std_m:.2f}\n" f"Женщины: μ = {mean_f:.2f}, σ = {std_f:.2f}", transform=ax.transAxes, ha="left", va="top", fontsize=10, bbox=dict( boxstyle="round,pad=0.35", facecolor="#FFFDF8", edgecolor="#DDD3C7" ) )

plt.tight_layout() plt.show()

График 4. Средний вес по интервалам роста

Позволяет сравнить средний вес мужчин и женщин при сопоставимом росте и наглядно показать различия между группами.

4-й график: средний вес по интервалам роста (по полу) + std

bins = 12 df2 = df.copy() df2["height_bin"] = pd.cut(df2[h], bins=bins)

stats = (df2.groupby(["height_bin", "gender_norm"])[w] .agg(mean="mean", std="std", n="count") .reset_index())

центры бинов для оси X

stats["x"] = stats["height_bin"].apply(lambda x: (x.left + x.right) / 2)

m_stat = stats[stats["gender_norm"] == "Male"] f_stat = stats[stats["gender_norm"] == "Female"]

fig, ax = plt.subplots(figsize=(10, 6))

ax.errorbar( m_stat["x"], m_stat["mean"], yerr=m_stat["std"], fmt="o-", color=C_M, ecolor=C_M, elinewidth=1, capsize=3, label="Мужчины" )

ax.errorbar( f_stat["x"], f_stat["mean"], yerr=f_stat["std"], fmt="o-", color=C_G, ecolor=C_G, elinewidth=1, capsize=3, label="Женщины" )

ax.set_title("Средний вес по интервалам роста (с разбросом σ)") ax.set_xlabel("Рост (центр интервала)") ax.set_ylabel("Вес (среднее ± σ)") ax.legend(frameon=True, facecolor="

FFFDF8", edgecolor="

ax.text( 0.02, 0.95, "Идея: сравниваем средний вес при схожем росте.\n" "Вертикальные линии показывают разброс (σ) внутри интервала.", transform=ax.transAxes, ha="left", va="top", fontsize=10, bbox=dict(boxstyle="round,pad=0.35", facecolor="

FFFDF8", edgecolor="

plt.tight_layout() plt.show()

Jupyter Notebook с кодом анализа: